蒙小俊 王昕婕 朱妮 葛光環(huán)

蒙小俊，王昕婕，朱 妮，等. 陜西省農(nóng)業(yè)面源污染時(shí)空特征及污染源［J］. 湖北農(nóng)業(yè)科學(xué)，2024，63（2）：224-231．

摘要：為明確陜西省農(nóng)業(yè)面源污染時(shí)空特征、重點(diǎn)污染源、污染區(qū)域和11個(gè)地市區(qū)的污染類型。利用輸出系數(shù)法（ECM）對(duì)2010—2019年陜西省11個(gè)地市區(qū)的農(nóng)業(yè)面源污染總氮（TN）和總磷（TP）的污染負(fù)荷進(jìn)行估算，采用等標(biāo)污染負(fù)荷法對(duì)污染源進(jìn)行評(píng)價(jià)，通過快速聚類法劃分11個(gè)地市區(qū)農(nóng)業(yè)面源污染類型。結(jié)果表明，2010—2019年陜西省農(nóng)業(yè)面源污染TN和TP污染負(fù)荷呈先升后降的趨勢(shì)，2019年TN和TP污染負(fù)荷最低，分別為129 027.14、13 872.84 t；2019年陜西省畜禽養(yǎng)殖、農(nóng)業(yè)種植和農(nóng)村生活等標(biāo)污染負(fù)荷比分別為20.923%、60.130%和18.947%；不同污染源TN和TP的等標(biāo)污染負(fù)荷空間分布具有很強(qiáng)的一致性，11個(gè)地市區(qū)農(nóng)業(yè)面源污染等標(biāo)污染負(fù)荷比由大到小依次為榆林市（16.94%）、漢中市（15.42%）、安康市（13.06%）、渭南市（12.93%）、咸陽(yáng)市（9.28%）、商洛市（8.31%）、寶雞市（8.18%）、延安市（7.03%）、西安市（6.89%）、銅川市（1.74%）、楊凌示范區(qū)（0.24%）；11個(gè)地市區(qū)農(nóng)業(yè)面源污染分為農(nóng)業(yè)種植污染主導(dǎo)型、農(nóng)業(yè)種植+農(nóng)村生活污染主導(dǎo)型、農(nóng)業(yè)種植+畜禽養(yǎng)殖污染主導(dǎo)型、混合污染型4種污染類型。

關(guān)鍵詞：面源污染；時(shí)空特征；污染負(fù)荷；等標(biāo)污染負(fù)荷；污染源；陜西省

中圖分類號(hào)：X522? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2024）02-0224-08

DOI：10.14088/j.cnki.issn0439-8114.2024.02.034 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

The temporal and spatial characteristics and pollution source of agricultural non-point source pollution in Shaanxi Province

MENG Xiao-jun， WANG Xin-jie， ZHU Ni， GE Guang-huan

（School of Tourism and Environment， Ankang University， Ankang? 725000， Shaanxi， China）

Abstract： In order to clarify the spatiotemporal characteristics， key pollution sources， pollution areas， and pollution types of the agricultural non-point source pollution in Shaanxi Province， the export coefficient method （ECM） was used to estimate the pollution load of total nitrogen （TN） and total phosphorus （TP） in 11 urban areas of Shaanxi Province from 2010 to 2019， and the equal standard pollution load method was adopted to evaluate the pollution sources. The 11 urban areas were divided into agricultural non-point source pollution types using the rapid clustering method.The results showed that from 2010 to 2019， the agricultural non-point source pollution TN and TP pollution load in Shaanxi Province showed a trend of first increasing and then decreasing. In 2019， the pollution load of TN and TP were the lowest， at 129 027.14 and 13 872.84 t， respectively；in 2019， the equal standard pollution load ratios for livestock and poultry breeding， agricultural planting， and rural life in Shaanxi Province were 20.923%， 60.130% and 18.947%， respectively；the spatial distribution of equal standard pollution load for different pollution sources TN and TP showed strong consistency. Among the 11 urban areas， the equal standard pollution load ratios for the agricultural non-point source pollution in descending order were Yulin City （16.94%）， Hanzhong City （15.42%）， Ankang City （13.06%）， Weinan City （12.93%）， Xianyang City （9.28%）， Shangluo City （8.31%）， Baoji City （8.18%）， Yanan City （7.03%）， Xian City （6.89%）， Tongchuan City （1.74%）， and Yangling Demonstration Zone （0.24%）；the agricultural non-point source pollution in 11 urban areas could be divided into four types： agricultural planting pollution dominant type， agricultural planting+rural life pollution dominant type， agricultural planting+livestock and poultry breeding pollution dominant type， and mixed pollution type.

Key words： agricultural non-point source pollution；temporal and spatial characteristics；pollution load；equal standard pollution load； pollution source； Shaanxi Province

農(nóng)業(yè)面源污染治理是新時(shí)代美麗中國(guó)建設(shè)的內(nèi)在要求，同時(shí)也是實(shí)施鄉(xiāng)村振興的關(guān)鍵舉措。與點(diǎn)源相比，農(nóng)業(yè)面源防治難度更大，已成為許多地區(qū)水環(huán)境問題的重要原因^［1］，全球范圍內(nèi)近50%的地表水資源已經(jīng)受到面源污染的影響^［2］，農(nóng)業(yè)面源污染是造成中國(guó)水污染的重要原因。農(nóng)業(yè)面源排放的氮磷在水體中富集是導(dǎo)致水體富營(yíng)養(yǎng)化和水環(huán)境惡化的主要原因，水體富營(yíng)養(yǎng)化是面源污染導(dǎo)致的突出環(huán)境問題之一。

農(nóng)業(yè)面源污染防控的前提是需對(duì)其負(fù)荷及時(shí)空變化等特征進(jìn)行科學(xué)高效精準(zhǔn)的評(píng)估。然而，農(nóng)業(yè)面源污染源分散、面廣、來(lái)源和途徑復(fù)雜，污染發(fā)生的時(shí)間和空間具有隨機(jī)性和不確定性^［3，4］。污染物的來(lái)源及其傳輸過程監(jiān)控難度大，因此需要使用模型模擬的方法對(duì)農(nóng)業(yè)面源污染進(jìn)行分析^［5］。常用的農(nóng)業(yè)面源污染模型類型很多，包括土壤和水分評(píng)價(jià)工具（Soil and water assessment tool，SWAT）、暴雨管理模型（Storm water management model，SWMM）、流域水文模型（Hydrological simulation program fortran，HSPF）、農(nóng)業(yè)政策環(huán)境擴(kuò)展模型（Agricultural policy environmental extender model，APEX）、農(nóng)業(yè)非點(diǎn)源污染模型（Annualized agricultural non-point source model，AnnAGNPS）、長(zhǎng)期水文影響分析（Long term hydrologic impact analysis，LTHIA）和輸出系數(shù)法（Export coefficient method，ECM）等模型，其中SWAT和ECM 2個(gè)模型在中國(guó)應(yīng)用較廣泛^{［2，6］}。鄒凱波等^［7］基于SWAT模型構(gòu)建了新疆烏倫古河流域面源污染分布式水文模型，建立的SWAT模型能夠用于該流域農(nóng)業(yè)面源污染負(fù)荷模擬；藍(lán)雪春等^［8］利用SWAT模型來(lái)分析湖漫水庫(kù)面源污染負(fù)荷，結(jié)果表明，2011—2018年湖漫水庫(kù)的總氮（TN）和總磷（TP）年際流失量均是2014年最大，分別為20.85、1.65 t。TN年內(nèi)流失量最大值在5月，TP在6月，分別為2.20、0.16 t。盧少勇等^［9］運(yùn)用ECM評(píng)價(jià)2010年和2014年洞庭湖區(qū)TN、TP輸出負(fù)荷，分別為104 556.90、12 719.02 t和103 643.71、13 032.79 t；唐肖陽(yáng)等^［10］運(yùn)用ECM估算2015年漢江流域范圍內(nèi)13個(gè)地市的農(nóng)業(yè)面源污染TN、TP污染負(fù)荷，分別為17 9127、26 975 t。相比SWAT模型，ECM模型結(jié)構(gòu)簡(jiǎn)單，參數(shù)少，因效率與精度均高的優(yōu)勢(shì)，使得美國(guó)國(guó)家環(huán)境保護(hù)局及中華人民共和國(guó)生態(tài)環(huán)境部都將ECM模型作為農(nóng)業(yè)面源污染負(fù)荷核算的推薦方法^{［11，12］}。

陜西省是中國(guó)重要的糧食和北方水果主產(chǎn)區(qū)，該區(qū)域面臨農(nóng)業(yè)面源污染帶來(lái)的重大風(fēng)險(xiǎn)。研究表明，2016年陜西省化肥施用強(qiáng)度達(dá)799.48 kg/hm²，屬于高度過量水平，施肥風(fēng)險(xiǎn)指數(shù)為0.76，化肥施用風(fēng)險(xiǎn)總體屬于重度風(fēng)險(xiǎn)等級(jí)，關(guān)中地區(qū)風(fēng)險(xiǎn)最大，陜南地區(qū)次之，陜北地區(qū)最小^［13］。陜西省農(nóng)業(yè)面源污染防控對(duì)黃河和長(zhǎng)江經(jīng)濟(jì)帶社會(huì)發(fā)展至關(guān)重要，已成為限制農(nóng)業(yè)綠色可持續(xù)發(fā)展的重要因素。耕地、果園面積大幅度增長(zhǎng)，農(nóng)村地區(qū)畜禽養(yǎng)殖業(yè)的迅速發(fā)展和生活排污是造成農(nóng)業(yè)面源污染的主要因素^［14］，但是目前關(guān)于陜西省農(nóng)業(yè)面源污染現(xiàn)狀的研究較少。本研究以陜西省11個(gè)地市區(qū)為研究對(duì)象，采用ECM模型估算2010—2019年陜西省農(nóng)業(yè)種植（耕地和園地）、畜禽養(yǎng)殖和農(nóng)村生活TN、TP的污染負(fù)荷，運(yùn)用等標(biāo)污染負(fù)荷法對(duì)TN、TP的污染負(fù)荷進(jìn)行評(píng)價(jià)，并對(duì)11個(gè)地市區(qū)污染類型進(jìn)行劃分，以期為陜西省農(nóng)業(yè)面源污染防治提供理論支持。

1 研究區(qū)概況與方法

1.1 研究區(qū)概況

陜西省橫跨黃河、長(zhǎng)江兩大水系，是連接中國(guó)東、中部地區(qū)和西北、西南地區(qū)的重要樞紐，位于105°29′—111°15′E，31°42′—39°35′N（圖1）；東西窄，南北狹長(zhǎng)，縱跨中溫帶季風(fēng)氣候區(qū)、暖溫帶季風(fēng)氣候區(qū)和北亞熱帶季風(fēng)氣候區(qū)3個(gè)氣候帶，多樣的自然地理?xiàng)l件形成了三大主要的農(nóng)業(yè)類型區(qū)，即關(guān)中-旱作農(nóng)業(yè)類型區(qū)、陜南-旱稻兼作農(nóng)業(yè)類型區(qū)及陜北-農(nóng)牧結(jié)合農(nóng)業(yè)類型區(qū)^［15］。南北氣候差異較大，降雨量南多北少，陜南地區(qū)為濕潤(rùn)區(qū)，關(guān)中地區(qū)為半濕潤(rùn)區(qū)，陜北地區(qū)為半干旱區(qū)。陜西省年均降雨量340～1 240 mm，年均溫度9～16 ℃。

1.2 研究方法

1.2.1 污染負(fù)荷估算 ECM模型考慮土地利用分類，結(jié)合畜禽數(shù)量和分布及農(nóng)村居民非點(diǎn)源污染物排放，能較準(zhǔn)確估算氮磷負(fù)荷^［9］。本研究采用ECM估算陜西省各地市區(qū)TN和TP的污染負(fù)荷，計(jì)算公式如下^{［9，10］}：

式中，L_j為污染物j在區(qū)域的負(fù)荷（kg）；E_ij為污染物j在區(qū)域i種土地利用類型的輸出系數(shù)或牲畜、人口的輸出系數(shù)；A_i為第i種土地利用類型面積（hm²）或牲畜（頭）、人口數(shù)量（萬(wàn)人）；p為由降雨輸入的營(yíng)養(yǎng)物質(zhì)總量（kg），因降雨影響較小，此項(xiàng)一般可忽略不計(jì)；n為污染源數(shù)量。

耕地、果園面積大幅度增長(zhǎng)，農(nóng)村地區(qū)畜禽養(yǎng)殖業(yè)的迅速發(fā)展和生活排污是造成農(nóng)業(yè)面源污染的主要因素^［14］，結(jié)合陜西省實(shí)際情況，本研究的農(nóng)業(yè)面源污染源考慮農(nóng)業(yè)種植、畜禽養(yǎng)殖和農(nóng)村生活這3大類污染源，其中農(nóng)業(yè)種植土地類型主要考慮水田、旱田和園地3種類型，畜禽養(yǎng)殖主要考慮牛、羊、豬和家禽4種類型。

運(yùn)用ECM的關(guān)鍵在于確定模型E_ij輸出系數(shù)，而輸出系數(shù)受各種因素的影響，如地形、降雨量和土壤類型等。鑒于陜西省無(wú)實(shí)測(cè)輸出系數(shù)，農(nóng)業(yè)種植TN和TP的輸出系數(shù)參考文獻(xiàn)^［9，10］，將國(guó)內(nèi)不同研究區(qū)域結(jié)果的平均值作為陜西省不同農(nóng)業(yè)土地利用類型的輸出系數(shù)。畜禽養(yǎng)殖和農(nóng)村生活TN和TP輸出系數(shù)分別參照《畜禽養(yǎng)殖業(yè)源產(chǎn)排污系數(shù)手冊(cè)》和中華人民共和國(guó)生態(tài)環(huán)境部推薦的輸出系數(shù)^［9］。各污染源TN和TP輸出系數(shù)見表1。

1.2.2 污染負(fù)荷評(píng)價(jià)方法 采用等標(biāo)污染負(fù)荷來(lái)綜合評(píng)價(jià)不同污染物或污染源對(duì)環(huán)境潛在污染能力的大小，將不同污染物在一定尺度上進(jìn)行比較，以確定主要污染源或主要污染物^［16］，本研究采用GB 3838—2002《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》Ⅱ類和Ⅲ類水質(zhì)標(biāo)準(zhǔn)，漢中市、安康市和商洛市采用Ⅱ類水質(zhì)標(biāo)準(zhǔn)，其他地市區(qū)采用Ⅲ類水質(zhì)標(biāo)準(zhǔn)。計(jì)算公式和過程詳見參考文獻(xiàn)^［17］。

1.2.3 污染類型劃分方法 為因地制宜地開展農(nóng)業(yè)面源污染防治，利用SPSS聚類分析法對(duì)陜西省農(nóng)業(yè)面源污染進(jìn)行分類，聚類對(duì)象為不同地市區(qū)各污染源的等標(biāo)污染負(fù)荷比。

1.2.4 數(shù)據(jù)來(lái)源 分析陜西省11個(gè)地市區(qū)的農(nóng)業(yè)面源氮磷污染，數(shù)據(jù)包括耕地（水田和旱地）面積、園地面積、牛、羊、豬、家禽和農(nóng)村人口數(shù)量。以上所有數(shù)據(jù)來(lái)源于2010—2019年《陜西省統(tǒng)計(jì)年鑒》及陜西省各地市區(qū)統(tǒng)計(jì)年鑒。

2 結(jié)果與分析

2.1 污染負(fù)荷及時(shí)間特征分析

利用ECM模型估算了2010—2019年陜西省農(nóng)業(yè)面源污染中農(nóng)業(yè)種植、畜禽養(yǎng)殖和農(nóng)村生活3類污染源TN和TP的污染負(fù)荷，圖2和圖3分別為TN和TP污染負(fù)荷時(shí)間特征。

2010—2019年陜西省農(nóng)業(yè)種植、畜禽養(yǎng)殖和農(nóng)村生活TN污染負(fù)荷分別為83 931.28～90 843.58 t、16 966.48～26 988.47 t和24 119.00～31 919.03 t，3種污染源TN污染負(fù)荷為129 027.14～14 2481.75 t；農(nóng)業(yè)種植和畜禽養(yǎng)殖TN污染負(fù)荷隨時(shí)間推移先升高后降低，而農(nóng)村生活TN逐年降低，3種污染源TN污染負(fù)荷變化趨勢(shì)與農(nóng)業(yè)種植TN污染負(fù)荷基本相同，其中農(nóng)業(yè)種植TN污染負(fù)荷 2017年達(dá)最大，為90 843.58 t，畜禽養(yǎng)殖2014年達(dá)最大，為26 988.47 t，3種污染源TN污染負(fù)荷2017年最大，為142 481.75 t，2019年最小，為129 027.14 t。

2010—2019年陜西省農(nóng)業(yè)種植、畜禽養(yǎng)殖和農(nóng)村生活TP污染負(fù)荷為13 872.84～16 597.20 t，其中農(nóng)業(yè)種植、畜禽養(yǎng)殖和農(nóng)村生活TP污染負(fù)荷分別為6 928.88～7 612.15 t、4 200.65～6 515.19 t和2 442.43～3 232.31 t；3種污染源TP污染負(fù)荷隨時(shí)間變化趨勢(shì)和TN污染負(fù)荷時(shí)間特征基本一致。

綜合圖2和圖3可以看出，2010—2019年陜西省農(nóng)業(yè)面源污染TN和TP污染負(fù)荷均呈先升高后降低趨勢(shì)，2019年降至最低；農(nóng)村生活TN和TP污染負(fù)荷均呈逐年降低趨勢(shì)，這種變化趨勢(shì)與陜西省城鎮(zhèn)化不斷加快和政府高度重視農(nóng)業(yè)面源污染的防治工作密不可分。2010—2019年陜西省城鎮(zhèn)人口比重為45.70%～61.28%，逐年升高。研究表明，城鎮(zhèn)化對(duì)化肥面源污染產(chǎn)生了持續(xù)穩(wěn)定的負(fù)向影響，即城鎮(zhèn)化緩解了農(nóng)業(yè)面源污^染［18］。同時(shí)，國(guó)家相關(guān)部門出臺(tái)了一系列農(nóng)業(yè)面源污染治理的政策性措施。2021年3月中華人民共和國(guó)生態(tài)環(huán)境部和農(nóng)業(yè)農(nóng)村部聯(lián)合印發(fā)了《農(nóng)業(yè)面源污染治理與監(jiān)督指導(dǎo)實(shí)施方案（試行）》，明確了“十四五”至2035年重點(diǎn)區(qū)域農(nóng)業(yè)面源污染防治的工作目標(biāo)和主要任務(wù)，對(duì)面源污染的監(jiān)測(cè)和評(píng)估提出了更高的要求。

2.2 污染負(fù)荷及空間特征分析

表2和表3分別為2019年陜西省11個(gè)地市區(qū)不同污染源TN和TP污染負(fù)荷及其貢獻(xiàn)率。2019年陜西省農(nóng)業(yè)面源污染TN和TP污染負(fù)荷分別為129 027.13 t和13 872.84 t，TN貢獻(xiàn)量約為TP 的9倍，TN/TP在5～10，與以往研究結(jié)果一致^［16］。

由表2可知，不同污染源TN污染負(fù)荷為? ? ? ? ? ?2 003.23～70 177.56 t，對(duì)TN的貢獻(xiàn)率大小表現(xiàn)為旱地（54.39%）>農(nóng)村生活（18.69%）>園地（11.32%）>牛（7.14%）>豬（2.79%）>水田（2.44%）>家禽（1.68%）>羊（1.55%），其中旱地TN污染負(fù)荷最高；11個(gè)地市區(qū)TN污染負(fù)荷為355.85～27 660.36 t，對(duì)TN的貢獻(xiàn)率大小表現(xiàn)為榆林市（21.44%）>渭南市（15.86%）>咸陽(yáng)市（11.34%）>寶雞市（9.99%）>漢中市（8.86%）>延安市（8.78 %）>西安市（8.72%）>安康市（7.64%）>商洛市（4.92%）>銅川市（2.17%）>楊凌示范區(qū)（0.28%），榆林市、渭南市和咸陽(yáng)市3個(gè)地市TN污染負(fù)荷分別為27 660.36、20 465.84、14 627.84 t，TN貢獻(xiàn)率為48.64%，楊凌示范區(qū)最低，TN污染負(fù)荷僅為355.85 t。

由表3可知，不同地市區(qū)TP污染負(fù)荷貢獻(xiàn)率大小表現(xiàn)為榆林市（19.49%）>渭南市（15.81%）>咸陽(yáng)市（11.44%）>漢中市（10.53%）>寶雞市（10.06%）>安康市（8.67%）>延安市（8.30%）>西安市（7.92%）>商洛市（5.41%）>銅川市（2.05%）>楊凌示范區(qū)（0.32%），榆林市、渭南市和咸陽(yáng)市3個(gè)地市TP污染負(fù)荷分別為2 704.36、2 192.73、1 587.50 t，3種污染源TP貢獻(xiàn)率為46.74%。旱地、水田、園地、農(nóng)村生活和畜禽養(yǎng)殖TP污染負(fù)荷分別為5 012.68、268.15、1 948.93、2 442.42、4 200.66 t；不同污染源TP污染負(fù)荷貢獻(xiàn)率大小表現(xiàn)為旱地（36.13%）>農(nóng)村生活（17.61%）>園地（14.05%）>牛（10.98%）>豬（9.80%）>家禽（6.67%）>羊（2.83%）>水田（1.93%）。

綜合表2和表3可以看出，陜西省2019年農(nóng)業(yè)面源污染TN污染負(fù)荷以農(nóng)業(yè)種植和生活污染為主，TN污染負(fù)荷貢獻(xiàn)率分別為68.15%、18.69%；TP污染負(fù)荷以農(nóng)業(yè)種植和畜禽養(yǎng)殖為主，TP污染負(fù)荷貢獻(xiàn)率分別為52.11%、30.28%；旱地和農(nóng)村生活的TN污染負(fù)荷貢獻(xiàn)率為73.08%；旱地和畜禽養(yǎng)殖的TP污染負(fù)荷貢獻(xiàn)率為66.41 %；TN和TP污染負(fù)荷具有空間分布的一致性，即榆林市、渭南市和咸陽(yáng)市貢獻(xiàn)率較高，漢中市、寶雞市、安康市、延安市和西安市居中，商洛市、銅川市和楊凌示范區(qū)較低?；诖耍兾魇∞r(nóng)業(yè)面源污染應(yīng)將重點(diǎn)放在旱地、農(nóng)村生活和畜禽養(yǎng)殖上，重點(diǎn)防控的地市為榆林市和渭南市。

2.3 陜西省農(nóng)業(yè)面源污染負(fù)荷評(píng)價(jià)

2.3.1 陜西省TN/TP等標(biāo)污染負(fù)荷分析 利用等標(biāo)污染負(fù)荷法計(jì)算2019年陜西省農(nóng)業(yè)面源污染貢獻(xiàn)率，結(jié)果如表4所示。2019年陜西省農(nóng)業(yè)面源污染等標(biāo)污染負(fù)荷為243.101×10⁹m³，低于2015年漢江流域農(nóng)業(yè)面源污染等標(biāo)污染負(fù)荷^［10］。畜禽養(yǎng)殖、農(nóng)業(yè)種植和農(nóng)村生活等標(biāo)污染負(fù)荷分別為50.864×10⁹、146.176×10⁹、46.061×10⁹m³，對(duì)應(yīng)的等標(biāo)污染負(fù)荷比分別為20.923%、60.130%和18.947%，說明陜西省的首要農(nóng)業(yè)面源污染源是農(nóng)業(yè)種植。

畜禽養(yǎng)殖、農(nóng)業(yè)種植和農(nóng)村生活TN等標(biāo)污染負(fù)荷分別為22.612×10⁹、103.478×10⁹、30.578×10⁹m³，對(duì)應(yīng)的等標(biāo)污染負(fù)荷比分別為14.432%、66.050%、19.518%，農(nóng)業(yè)種植中旱地等標(biāo)污染負(fù)荷比最大，為51.174%，說明陜西省面源污染的TN主要來(lái)源于旱地，其次為農(nóng)村生活和畜禽養(yǎng)殖；畜禽養(yǎng)殖、農(nóng)業(yè)種植和農(nóng)村生活TP等標(biāo)污染負(fù)荷分別為28.252×10⁹、42.698×10⁹、15.483×10⁹m³，對(duì)應(yīng)的等標(biāo)污染負(fù)荷比分別為32.687%、49.400%和17.913%，農(nóng)業(yè)種植中旱地等標(biāo)污染負(fù)荷比最大，為33.127%，說明陜西省面源污染的TP主要來(lái)源于旱地，其次為畜禽養(yǎng)殖和農(nóng)村生活。

2.3.2 陜西省TN/TP等標(biāo)污染負(fù)荷空間分布 圖4和圖5分別為2019年陜西省11個(gè)地市區(qū)農(nóng)業(yè)面源污染TN和TP的等標(biāo)污染負(fù)荷空間分布格局。在空間分布上，TN和TP的等標(biāo)污染負(fù)荷空間分布有很強(qiáng)的一致性，即TN和TP等標(biāo)污染負(fù)荷較高的地市為漢中市、榆林市、安康市和渭南市；TN和TP等標(biāo)污染負(fù)荷居中的地市為西安市、延安市、商洛市、寶雞市和咸陽(yáng)市；銅川市和楊凌示范區(qū)TN和TP等標(biāo)污染負(fù)荷較低。

由圖4、表5可知，11個(gè)地市區(qū)TN的等標(biāo)污染負(fù)荷大小表現(xiàn)為榆林市>漢中市>渭南市>安康市>咸陽(yáng)市>寶雞市>商洛市>延安市>西安市>銅川市>楊凌示范區(qū)。榆林市、漢中市、渭南市和安康市TN等標(biāo)污染負(fù)荷比分別為17.65%、14.60%、13.06%和12.59%，4地市TN等標(biāo)污染負(fù)荷比為57.90%，銅川市和楊凌示范區(qū)TN等標(biāo)污染負(fù)荷比分別為1.79%和0.23%，2地市TN等標(biāo)污染負(fù)荷比為2.02%。位于漢江流域的漢中市、安康市和商洛市3地市的TN等標(biāo)污染負(fù)荷比為35.29%；位于渭河流域的西安市、銅川市、寶雞市、咸陽(yáng)市、楊凌示范區(qū)和渭南市6地市的TN等標(biāo)污染負(fù)荷比達(dá)39.83%。漢江和渭河分別為長(zhǎng)江和黃河的支流，漢江和渭河流域農(nóng)業(yè)面源污染TN等標(biāo)污染負(fù)荷比為75.12%。

由圖5、表5可知，11個(gè)地市區(qū)TP的等標(biāo)污染負(fù)荷大小表現(xiàn)為漢中市>榆林市>安康市>渭南市>咸陽(yáng)市>商洛市>寶雞市>延安市>西安市>銅川市>楊凌示范區(qū)。漢中市、榆林市、安康市和渭南市TP等標(biāo)污染負(fù)荷比分別為16.89%、15.64%、13.92%和12.68%，4地市TP等標(biāo)污染負(fù)荷比為59.13%，漢江和渭河流域TP等標(biāo)污染負(fù)荷比分別為39.49%和38.19%。漢江和渭河流域農(nóng)業(yè)面源污染TP等標(biāo)污染負(fù)荷比為77.68%。

2.3.3 陜西省11個(gè)地市區(qū)不同污染源等標(biāo)污染負(fù)荷空間分布 進(jìn)一步將污染源劃分為水田、旱地、園地、畜禽養(yǎng)殖和農(nóng)村生活5類污染源，分析得到2019年陜西省11個(gè)地市區(qū)不同污染源TN和TP等標(biāo)污染負(fù)荷空間分布，結(jié)果如表6所示。11個(gè)地市區(qū)中旱地TN等標(biāo)污染負(fù)荷均較大；除漢中市和安康市外，各地市區(qū)的水田TN等標(biāo)污染負(fù)荷均較?。恍笄蒺B(yǎng)殖TN等標(biāo)污染負(fù)荷較大的地市為漢中市、安康市、榆林市和寶雞市；園地TN等標(biāo)污染負(fù)荷較大的地市為榆林市、延安市、漢中市、渭南市，農(nóng)村生活TN等標(biāo)污染負(fù)荷最大的地市為漢中市，其次為西安市和安康市。畜禽養(yǎng)殖TP等標(biāo)污染負(fù)荷較大的地市為漢中市、安康市、榆林市、渭南市。榆林市旱地和園地TN和TP的等標(biāo)污染負(fù)荷均最大，漢中市畜禽養(yǎng)殖、水田和農(nóng)村生活TN和TP的等標(biāo)污染負(fù)荷均最大，楊凌示范區(qū)畜禽養(yǎng)殖、旱地、園地和農(nóng)村生活TN和TP等標(biāo)污染負(fù)荷均最小。

將TN和TP 2種污染物等標(biāo)污染負(fù)荷按照農(nóng)業(yè)種植、畜禽養(yǎng)殖和農(nóng)村生活3大類進(jìn)行劃分疊加，得到2019年陜西省11個(gè)地市區(qū)不同污染源等標(biāo)污染負(fù)荷比，如圖6所示。陜西省11個(gè)地市區(qū)農(nóng)業(yè)種植和畜禽養(yǎng)殖的等標(biāo)污染負(fù)荷比分別為32.63%～77.65%和9.32%～32.04%，而農(nóng)村生活等標(biāo)污染負(fù)荷比為8.22%～37.25%，農(nóng)業(yè)種植的等標(biāo)污染負(fù)荷比較高。陜西省11個(gè)地市區(qū)農(nóng)業(yè)面源污染等標(biāo)污染負(fù)荷比由大到小依次為榆林市（16.94%）、漢中市（15.42%）、安康市（13.06%）、渭南市（12.93%）、咸陽(yáng)市（9.28%）、商洛市（8.31%）、寶雞市（8.18%）、延安市（7.03%）、西安市（6.89%）、銅川市（1.74%）、楊凌示范區(qū)（0.24%）。

2.4 陜西省農(nóng)業(yè)面源污染類型劃分

以農(nóng)業(yè)種植、畜禽養(yǎng)殖和農(nóng)村生活3大污染源的等標(biāo)污染負(fù)荷比為聚類對(duì)象，進(jìn)行聚類分析。通過聚類將11個(gè)地市區(qū)劃分成4種污染類型，即：農(nóng)業(yè)種植污染主導(dǎo)型、農(nóng)業(yè)種植和農(nóng)村生活污染主導(dǎo)型、農(nóng)業(yè)種植和畜禽養(yǎng)殖污染主導(dǎo)型、混合污染型，各污染類型空間分布如圖7所示。銅川市、咸陽(yáng)市、渭南市、延安市和榆林市為農(nóng)業(yè)種植污染主導(dǎo)型，寶雞市、漢中市和安康市為農(nóng)業(yè)種植和畜禽養(yǎng)殖污染主導(dǎo)型，西安市為農(nóng)業(yè)種植和農(nóng)村生活污染主導(dǎo)型，商洛市和楊凌示范區(qū)為混合污染型。

根據(jù)不同污染類型陜西省不同地市區(qū)宜采取針對(duì)性的污染控制措施。結(jié)合農(nóng)業(yè)面源污染源分析，陜西省面源污染首要污染源為旱地，而主要污染區(qū)域?yàn)橛芰质校芰质袑儆谵r(nóng)業(yè)種植污染主導(dǎo)型。對(duì)于種植污染型區(qū)域，應(yīng)從源頭削減、過程攔截和末端治理3個(gè)層面進(jìn)行，源頭消減中推行測(cè)土配方施肥，實(shí)行以產(chǎn)定肥；過程控制中以小流域?yàn)閱卧?，在流域?nèi)優(yōu)化坡改梯工程、退耕還草等生態(tài)修復(fù)措施；末端治理中實(shí)施植被過濾帶、濕地緩沖區(qū)、滯留池、人工濕地等工程。

3 小結(jié)

1）2010—2019年陜西省農(nóng)業(yè)面源污染TN污染負(fù)荷和TP污染負(fù)荷呈先升后降的趨勢(shì)，2019年面源污染TN和TP污染負(fù)荷最低且污染負(fù)荷具有空間分布的一致性。

2）2019年陜西省畜禽養(yǎng)殖、農(nóng)業(yè)種植和農(nóng)村生活等標(biāo)污染負(fù)荷分別為50.864×10⁹、146.176×10⁹、46.061×10⁹m³，對(duì)應(yīng)的等標(biāo)污染負(fù)荷比分別為20.923%、60.130%和18.947%；畜禽養(yǎng)殖、農(nóng)業(yè)種植和農(nóng)村生活TN的等標(biāo)污染負(fù)荷比分別為14.432%、66.050%、19.518%，TP等標(biāo)污染負(fù)荷比分別為32.687%、49.400%和17.913%。農(nóng)業(yè)種植是陜西省農(nóng)業(yè)面源污染的重點(diǎn)污染源。

3）TN和TP的等標(biāo)污染負(fù)荷空間分布具有很強(qiáng)的一致性。陜西省11個(gè)地市區(qū)農(nóng)業(yè)面源污染等標(biāo)污染負(fù)荷比由大到小依次為榆林市（16.94%）、漢中市（15.42%）、安康市（13.06%）、渭南市（12.93%）、咸陽(yáng)市（9.28%）、商洛市（8.31%）、寶雞市（8.18%）、延安市（7.03%）、西安市（6.89%）、銅川市（1.74%）、楊凌示范區(qū)（0.24%）。榆林市是陜西省農(nóng)業(yè)面源污染控制的重點(diǎn)區(qū)域。

4）陜西省11個(gè)地市區(qū)農(nóng)業(yè)面源污染分為農(nóng)業(yè)種植污染主導(dǎo)型、農(nóng)業(yè)種植+農(nóng)村生活污染主導(dǎo)型、農(nóng)業(yè)種植+畜禽養(yǎng)殖污染主導(dǎo)型、混合污染型4種污染類型，其中銅川市、咸陽(yáng)市、渭南市、延安市和榆林市為農(nóng)業(yè)種植污染主導(dǎo)型，寶雞市、漢中市和安康市為農(nóng)業(yè)種植和畜禽養(yǎng)殖污染主導(dǎo)型，西安市為農(nóng)業(yè)種植和農(nóng)村生活污染主導(dǎo)型，商洛市和楊凌示范區(qū)為混合污染型。

參考文獻(xiàn)：

［1］ 馮 琳，張婉婷，張鈞珂，等.三峽庫(kù)區(qū)面源污染的時(shí)空特征及EKC分析［J］.中國(guó)環(huán)境科學(xué)，2022，42（7）：3325-3333.

［2］ 田軍林，郝守寧.面源污染估算模型研究進(jìn)展［J］.中國(guó)農(nóng)學(xué)通報(bào)，2022，38（11）：111-115.

［3］ 楊金鳳，馮愛萍，王雪蕾，等.海河流域農(nóng)業(yè)面源污染潛在風(fēng)險(xiǎn)識(shí)別方法［J］.中國(guó)環(huán)境科學(xué)， 2021，41（10）：4782-4791.

［4］ 吳 鋒，曾麟嵐，劉桂君.農(nóng)業(yè)面源污染管理政策調(diào)控仿真模型研究進(jìn)展［J］.生態(tài)學(xué)報(bào)，2022，42（8）：3045-3055.

［5］ 尹京晨，丁 晗，李澤利，等.基于SPARROW模型的面源污染模擬研究進(jìn)展［J］.環(huán)境工程，2022，40（6）：253-260.

［6］ 馮青郁，陳利頂，楊 磊.農(nóng)業(yè)政策環(huán)境擴(kuò)展模型在我國(guó)農(nóng)業(yè)面源污染研究中的應(yīng)用［J］.生態(tài)學(xué)報(bào)，2022，42（5）：1665-1678.

［7］ 鄒凱波，張玉虎，劉曉偉，等.氣候變化下烏倫古河流域農(nóng)業(yè)面源污染負(fù)荷響應(yīng)［J］.干旱區(qū)研究，2022，39（2）：625-637.

［8］ 藍(lán)雪春，張 玲.湖漫水庫(kù)面源污染特征解析［J］.環(huán)境污染與防治，2022，44（8）：1042-1045.

［9］ 盧少勇，張 萍，潘成榮，等.洞庭湖農(nóng)業(yè)面源污染排放特征及控制對(duì)策研究［J］.中國(guó)環(huán)境科學(xué)， 2017，37（6）：2278-2286.

［10］ 唐肖陽(yáng)，唐德善，魯佳慧，等.漢江流域農(nóng)業(yè)面源污染的源解析［J］.農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào)，2018， 37（10）：2242-2251.

［11］ JOHNES P J. Evaluation and management of the impact of land use change on the nitrogen and phosphorus load delivered to surface waters： The export coefficient modelling approach［J］.Journal of hydrology，1996，183：323-349.

［12］ 劉佳昆.基于改進(jìn)輸出系數(shù)模型的澎溪河流域面源污染研究［D］.重慶：西南大學(xué)，2019.

［13］ 高 瑩，孫喜軍，呂 爽，等.陜西省化肥施用時(shí)空分異及面源污染環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)［J］.西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，49（2）：76-83.

［14］ 王一格，王海燕，鄭永林，等.農(nóng)業(yè)面源污染研究方法與控制技術(shù)研究進(jìn)展［J］.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2021，42（1）：25-33.

［15］ 索 龍，趙曉進(jìn)，張俊麗，等.基于統(tǒng)計(jì)數(shù)據(jù)的陜西省農(nóng)業(yè)面源污染現(xiàn)狀分析［J］.中國(guó)農(nóng)學(xué)通報(bào)， 2021，37（8）：137-144.

［16］ 謝經(jīng)朝，趙秀蘭，何丙輝，等.漢豐湖流域農(nóng)業(yè)面源污染氮磷排放特征分析［J］.環(huán)境科學(xué)，2019，40（4）：1760-1769.

［17］ 郭利京，黃振英.淮河生態(tài)經(jīng)濟(jì)帶農(nóng)業(yè)面源污染空間分布及治理研究［J］.長(zhǎng)江流域資源與環(huán)境，2021，30（7）：1746-1756.

［18］ 吳義根.城鎮(zhèn)化.勞動(dòng)力轉(zhuǎn)移和安徽省化肥面源污染［J］.安慶師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，41（3）：99-105.

收稿日期：2022-11-04

基金項(xiàng)目：安康市科學(xué)技術(shù)研究發(fā)展指導(dǎo)計(jì)劃項(xiàng)目（AK2023-RKZC-05）；安康學(xué)院校級(jí)科研項(xiàng)目（2023AYPT07）

作者簡(jiǎn)介：蒙小俊（1981-），男，陜西漢中人，副教授，博士，主要從事水污染控制與面源污染防治研究，（電話）15191559982（電子信箱）

441223618@qq.com。